思考未来

2026年8月6日

Cloudflare Computer：给 AI 智能体一套可持久化的“电脑”

会调用工具的智能体，通常需要文件系统、Shell 和隔离执行环境。直接给每个任务启动完整容器虽然直观，却可能带来冷启动与资源开销。Cloudflare 新开源的 @cloudflare/computer 试图提供更细的抽象：让智能体面对同一个持久化工作区，再按任务选择轻量 Wor

会调用工具的智能体，通常需要文件系统、Shell 和隔离执行环境。直接给每个任务启动完整容器虽然直观，却可能带来冷启动与资源开销。Cloudflare 新开源的 @cloudflare/computer 试图提供更细的抽象：让智能体面对同一个持久化工作区，再按任务选择轻量 Worker 或完整 Linux 容器执行。

📌 这个项目是干什么的

Cloudflare Computer 把工作区的权威状态保存在 Durable Object 的 SQLite 中，对外提供接近 node:fs/promises 的读写接口。智能体写下的代码、笔记和生成物可跨 Durable Object 重启保留。

执行层目前有三种后端：容器可运行真实 Linux 命令、原生二进制和网络请求；Worker Shell 通过 just-bash 处理较轻的命令；Worker JavaScript 在新的 Dynamic Worker 中执行 ECMAScript 模块。调用方统一使用 workspace.runtime.exec()，也可以只启用文件系统，不配置执行后端。

项目还提供面向 AI SDK 的读、写、编辑、目录和执行工具，以及 Git、R2 只读挂载、文件分享等能力。核心思路不是再造一个 Agent 框架，而是给不同框架补上可持久化的工作目录与可切换的执行层。

🔍 为什么值得关注

更值得关注的是“同一份文件、按需选择算力”。文本处理、文件检索或简单 Git 操作可以留在启动更快的 Worker；只有依赖 Linux、npm 或原生程序时才进入容器，智能体不必自己同步两套工作目录。

官方给出的教程也很具体：智能体先把菜谱写成 Markdown，再让容器里的 pandoc 生成 PDF，结果同步回工作区并通过 R2 分享。这个例子展示了宿主工具与容器命令如何围绕同一文件协作，比单纯的功能列表更容易判断是否适合自己的 Agent 架构。

🧪 谁适合试，怎么开始

适合正在 Cloudflare Workers 上开发代码智能体、文档处理 Agent，或需要隔离执行与持久工作区的平台团队。最短路径是先只验证文件系统：

npm install @cloudflare/computer

为 Worker 开启 nodejs_compat，在 Durable Object 中通过 withWorkspace 创建工作区，完成一次文件写入、重启后读取。确认状态模型符合预期后，再从无需 Docker 的 Worker Shell 开始验证 exec；确实需要原生工具时，再接入容器。官方 examples/worker-shell 和 examples/tutorial 是更合适的起点。

⚠️ 使用提醒

这是明确标注为 Preview 的早期版本，API 与设计都可能变化，官方也不建议用于生产；仓库目前没有 GitHub Release。Worker Shell 和 Worker JavaScript 还需要 experimental 标志与 Worker Loader，容器方案则依赖 Cloudflare Containers。

工作区约有 10GB 上限，容器侧文件系统驻留内存，更适合 Agent 级的小型目录，而不是大型 monorepo。官方基准也显示，大文件连续读写和完整 npm install 可能明显慢于容器本地磁盘。涉及不可信代码时，仍需自行设计权限、网络出口、凭据隔离和审计策略。项目采用 MIT 许可证。

🔗 参考资源